Klasifikasi Tanaman Anggrek Jenis Phalaenopsis Berdasarkan Citra Labellum Bunga Menggunakan Metode Convolutinal Neural Network (cnn)
DOI:
https://doi.org/10.34818/eoe.v9i3.18000Abstrak
Abstrak Anggrek termasuk salah satu tanaman hias yang digemari oleh masyarakat umum dan tidak sedikit penghobi tanaman hias mencoba untuk membudidayakan tanaman ini. Anggrek sendiri memiliki banyak sekali jenis yang seringkali kebanyakan orang agak sulit membedakan satu jenis anggrek dengan jenis lainnya. Sebagai contoh bisa dilihat anggrek jenis Phalaenopsis cornu-cervi dan lamelligera yang memiliki bentuk fisik yang sangat mirip dan sulit dibedakan. Bahkan banyak masyarakat yang menganggap bahwa kedua jenis anggrek tersebut merupakan jenis yang sama. Akan sangat disayangkan apabila keanekaramgaman ini hilang hanya dikarenakan ketidaktahuan akan perbedaan kedua jenis anggrek tersebut. Dalam membudidayakan anggrek pun berbeda tiap jenisnya. Agar keanekaragaman jenis anggrek tersebut tidak hilang dan terbudidayakan secara optimal, penting bagi masyarakat umum untuk lebih mengenal dan mengidentifikasi jenis anggrek yang sedang dibudidayakannya. Oleh karena itu, sangat penting untuk membuat sistem yang dapat mengidentifikasikan dan mengklasifikasikan jenis-jenis anggrek agar memudahkan masyarakat umum membudidayakan anggrek secara optimal berdasarkan jenis dan habitat asli anggrek tersebut. Tugas akhir ini diharapkan dapat menjadi solusi dari semua masalah tersebut. Penelitian yang dikerjakan ini membuat sebuah sistem yang dapat mengklasifikan tanaman anggrek jenis phalaenopsis berdasarkan lip bunga dari data berupa citra dengan menggunakan algoritma Convolutional Neural Network (CNN). Kata Kunci: Phalaenopsis Cornu-cervii, Phalaenopsis Lamelligera, Convolutional Neural NetworkReferensi
[1] Suartika, Wayan. Wijaya Yudhi. Soelaiman Rully. 2016. Klasifikasi Citra Menggunakan Convolutional Neural Network(CNN) pada Caltech 101. Jurnal Teknik ITS Vol. 5, No. 1, (2016) ISSN: 2337-3539.
[2] Sani, Maizura. Suhaili, Kutty. Omar, Hasmila. 2013. Classification of Orchid Species using Neural Network. 2013 IEEE International Conference on Control System, Computing and Engineering.
[3] Badan Pusat Statistika Indonesia. 2019. Statistik Tanaman Hias 2018.
[4] Borwarnginn, P., Thongkanchorn, K., Kanchanapreechakorn, S., & Kusakunniran, W. (2019, October). Breakthrough Conventional Based Approach for Dog Breed Classification Using CNN with Transfer Learning. In 2019 11th International Conference on Information Technology and Electrical Engineering (ICITEE) (pp. 1- 5). IEEE.
[5] Direktorat Perbenihan Hortikultura. Anggrek Spesies Indonesia. 2012. Jakarta.
[6] Sabri, Nurbaity. Ibrahim, Zaidah. Rosman, Nur. 2016. K-Means vs Fuzzy C-Means for Segmentation of Orchid Flower. IEEE 7th Control and System Graduate Research Colloquium.
[7] Badan Litbang Pertanian. 2021. Anggrek Phalaenopsis lamelligera Sumberdata Genetik Kalimantan.
[8] X. Wu, Lu, H. Leung, An Adaptive threshold deep learning method for fire and smoke detection, IEEE International Conference, 2017.
[9] Christian Szegedy, Vincent Vanhoucke, et aI, Rethinking the Inception Architecture for Computer Vision. arXiv: 1512.00567, 2015
[10] P. Samudre, P. Shende and V. Jaiswal, "Optimizing Performance of Convolutional Neural Network Using Computing Technique," 2019 IEEE 5th International Conference for Convergence in Technology (I2CT), Bombay, India, 2019, pp. 1-4, doi: 10.1109/I2CT45611.2019.9033876.
[11] Gao Huang, Zhuang Liu, Laurens van der Maaten, Kilian Q. Weinberger, Densely Connected Convolutional Networks. arXiv: 1608.06993, 2018
[12] Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun, Deep Residual Learning for Image Recognition. arXiv:1512.03385, 2015.
[13] Karen Simonyan, Andrew Zisserman, Very Deep Convolutional Networks for Large-Scale Image Recognition. arXiv:1409.1556, 2014
[14] Forrest N. Iandola, Song Han, Matthew W. Moskewicz, Khalid Ashraf, William J. Dally, Kurt Keutzer, SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size. arXiv:1602.07360, 2016
[15] Alex Krizhevsky, One weird trick for parallelizing convolutional neural networks. arXiv:1404.5997,2014
[16] Sanjeev Dhawan, Kulvinder Singh, Mamta Arora, Cervix Image Classification for Prognosis of Cervical Cancer using Deep Neural Network with Transfer Learning, 2021
